稀疏3d卷积

最新推荐文章于 2025-06-26 09:02:46 发布

转载最新推荐文章于 2025-06-26 09:02:46 发布 · 2k 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/o-v-o/p/10948618.html

博客主要介绍了稀疏3D卷积网络，包括稀疏卷积的输入，其包含坐标和特征两部分，还提及了稀疏卷积的spatial_size确定方法。此外，详细介绍了3D稀疏卷积，如子流形卷积、稀疏卷积、批归一化、稀疏到稠密转化等操作及相关参数设置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

稀疏3d卷积网络

输入

稀疏卷积的输入包括两部分，一个是坐标，另一个是特征。

self.scn_input = scn.InputLayer(3, sparse_shape.tolist()) # [h,w,l]

coors = coors.int()[:, [1, 2, 3, 0]] # [h, w, l, batch] 将 batch_size调换到最后一个位置

ret = self.scn_input((coors.cpu(), voxel_features, batch_size)) #[45287, 4] [45287, 1] 2

稀疏卷积的spatial_size确定:

self.spatial_size = self.sparseModel.input_spatial_size(torch.LongTensor([1,1]))

3d稀疏卷积

m = None
m = scn.Sequential()
m.add(scn.SubmanifoldConvolution(3, i, o, 3, False))
m.add(scn.BatchNormLeakyReLU(i ,leakiness=leakiness)).add(
      scn.Convolution(dimension, i, o, 3, 2, False))

def block(self, m, a, b, dimension=3, residual_blocks=False, leakiness=0):  # default using residual_block
        if residual_blocks: #ResNet style blocks
            m.add(scn.ConcatTable()
                  .add(scn.Identity() if a == b else scn.NetworkInNetwork(a, b, False))
                  .add(scn.Sequential()
                    .add(scn.BatchNormLeakyReLU(a,leakiness=leakiness))
                    .add(scn.SubmanifoldConvolution(dimension, a, b, 3, False))
                    .add(scn.BatchNormLeakyReLU(b,leakiness=leakiness))
                    .add(scn.SubmanifoldConvolution(dimension, b, b, 3, False)))
             ).add(scn.AddTable())
        else: #VGG style blocks
            m.add(scn.Sequential()
                 .add(scn.BatchNormLeakyReLU(a,leakiness=leakiness))
                 .add(scn.SubmanifoldConvolution(dimension, a, b, 3, False)))